论文研究 改进型稀疏分类鲁棒目标跟踪算法.pdf

针对当前基于稀疏分类的目标跟踪算法跟踪精度较低等问题，结合判别分析思想，提出改进型稀疏跟踪算法。采用基于在线学习的标准对冲算法估算目标的位置以及面积，并详细介绍了标准对冲算法原理。对于在跟踪过程中目标外形改变的问题，提出了基于时序循环的模板更新方法。对目标暂时消失或被完全遮挡时会产生跟踪失败的问题，创造性地提出了基于稀疏分类器网格SCG的合作跟踪框架。进行了两类实验，第一类实验验证了该算法的有效性。第二类实验在大量公共图像序列的基础上对该算法及其他图像跟踪算法进行测试比较。实验结果证明，该算法适用于复杂背景下的跟踪任务，在跟踪失败后能自动恢复跟踪，在目标被部分遮挡、长期遮挡或目标与背景有相似特